图像灰度变换中一个非常有用的例子就是直方图均衡化。直方图均衡化是指将一副图像的灰度直方图变平,使得变换之后的图像中的每个灰度值的分布概率都相同。在对图像做进一步处理之前,直方图均衡化通常是对图像灰度值进行归一化的非常好的方法,并且可以增强图像的对比。
在这种情况下,直方图均衡化的变换函数是图像中像素值的累积分布函数(cumulative distribution function,简写为cdf,将像素值的范围映射到目标范围的归一化操作里)。
下面这个函数是直方图均衡化的具体实现:
from PIL import Image
from pylab import *
from numpy import *
def histeq(im, nbr_bins=256):
"""对一幅灰度图像进行直方图均衡化"""
# 计算图像的直方图
# 在numpy中,也提供了一个计算直方图的函数histogram(),第一个返回的是直方图的统计量,第二个为每个bins的中间值
imhist, bins = histogram(im.flatten(), nbr_bins, normed=True)
cdf = imhist.cumsum() #
cdf = 255.0 * cdf / cdf[-1]
# 使用累积分布函数的线性插值,计算新的像素值
im2 = interp(im.flatten(), bins[:-1], cdf)
return im2.reshape(im.shape), cdf
pil_im = Image.open('D:\\software\\pycharm\\PycharmProjects\\computer-version\\data\\tu3.jpg') # 打开原图
pil_im_gray = pil_im.convert('L') # 转化为灰度图像
pil_im_gray.show() # 显示灰度图像
im = array(Image.open('D:\\software\\pycharm\\PycharmProjects\\computer-version\\data\\tu3.jpg').convert('L'))
im2, cdf = histeq(im)
im2 = Image.fromarray(uint8(im2))
im2.show()
im2.save("junheng.jpg")
原灰度直方图为:
经过均衡化处理后的图像为:
结论:我们可以看到,直方图均衡化后的图像的对比度增强了,原先图像灰色区域的细节变得清晰。